[1Win4] Poster session 1

[1Win4-05] Network properties of structural brain connectivity that contribute to the performance of connectome-based reservoir computing

〇Ryo Nishimura¹, Makoto Fukushima¹ (1.Hiroshima University)

Keywords:Reservoir Computing, Structural Brain Connectivity, Connectome

脳構造結合のネットワーク（コネクトーム）がもつ機能を，脳構造結合に基づいてリザバー層内のノードが接続されたリザバー計算モデルの機械学習タスクに対する性能評価を通して理解しようとする試みがなされている．このときコネクトームがリザバー計算において果たす役割は，コネクトームの脳構造結合重みを元にリザバー重みを定めたときの性能と，脳構造結合重みをランダムに並び替えて生成したサロゲートネットワークを用いて定めたときの性能の比較を通して検証される．これまでの研究で，リザバー重みの正負をランダムに設定した場合において，コネクトーム由来とサロゲート由来の記憶容量性能の間に違いがあることが示されてきた．本研究では，この性能の違いに寄与する脳構造結合のネットワーク特性を明らかにするために，脳構造結合がもつジオメトリックな性質（結合重み・長さの負の相関）とトポロジカルな性質（コミュニティ構造）を保存するサロゲートネットワークを用いた比較解析を行った．その結果，先の研究での性能の違いの形成にはこれらの性質が異なる形で寄与していることと，これらの性質だけでは性能の違いを完全には説明できないことを明らかにした．